他的首页
他的馆藏
他的动态
馆友反馈
关于他
| 共 13 篇文章 |
|
深度学习——梯度下降可视化(Adam，AdaGrad，Momentum，RMSProp)Adaptive Gradient 算法，简称 AdaGrad，不是像动量一样跟踪梯度之和，而是跟踪梯度平方之和，并使用这种方法在不同的方向上调整梯度。sum_of_gradient_squared = previous_sum_of_gradient_squared * decay_rate+ gradient2 * (1- decay_rate)sum_of_gradient_squared = previou... 阅192 转0 评0 公众公开 20-07-13 10:56 |
其中，朱军教授做了题为《贝叶斯学习回顾与展望》报告，总时长为1个小时左右，内容主要分为五个部分：贝叶斯理论应对不确定性、贝叶斯理论和经典算法、可扩展的贝叶斯方法、珠算编程库以及应用贝叶斯理论的一些例子。和现有的主要为监督式任务设计的深度学习库不同，珠算的特点是其在很大程度上根基于贝叶斯推理，因此支持各种生成模型：既包括... 阅239 转2 评0 公众公开 20-06-09 21:42 |
达摩院探访，机器视觉之发丝级抠图技能解析。而达摩院的方法分别用只使用精标注数据以及同时使用精标注数据和粗标注数据进行了实验。达摩院的方法还可以应用到数据的精细化中，如果给定了粗mask，输入达摩院的QUN+MRN网络，可以直接得到精细化之后的数据，如下图6所示，达摩院分别对公开数据集coco和pascal中的人像数据做了精细化。图6: 粗标注... 阅74 转0 评0 公众公开 20-06-09 16:21 |
复旦大学数学科学学院林伟教授团队构建辨识因果网络的新型算法。面向这些问题，本项研究利用动力系统理论清晰阐明了可分性条件的严格数学机理，并综合利用相空间重构、交叉映射、偏相关系数等动力学与统计学相关算法，建立了新型偏交叉映射方法，实现了非线性动力系统中直接因果与间接因果的区分，从而为在大规模数据中辨识可信的因果网络提供... 阅370 转0 评0 公众公开 20-06-03 18:50 |
计算机视觉｜YOLO开源项目最强汇总。https://github.com/ayooshkathuria/pytorch-yolo-v3.https://github.com/experiencor/keras-yolo3.YOLO ROS：ROS的实时对象检测。https://github.com/nilboy/tensorflow-yolo.https://github.com/mystic123/tensorflow-yolo-v3.https://github.com/hizhangp/yolo_tensorflow.android-yolo是YOLO在Android设... 阅873 转3 评0 公众公开 20-05-29 13:13 |
人工智能背后的基础理论。1955年8月，约翰·麦卡锡（达特茅斯），马文·李·明斯基（哈佛），纳撒尼尔·罗切斯特（IBM）和克劳德·艾尔伍德·香农（贝尔电话实验室）完成了"达特茅斯关于人工智能的夏季研究项目的提案"。在这里，在人工智能的首次讨论中，我们看到了神经元网络（现已与神经网络/深度学习相关... 阅3244 转8 评0 公众公开 20-05-25 23:42 |
浙江工业大学教授王万良：人工智能深度学习困惑 让数据自己发声。作为全国高校人工智能与大数据创新联盟常务副理事长，积极推进大数据教育教学工作，本文内容根据作者在"赋能人工智能大数据教育专题"分享的内容整理而成，旨在为2020年高校人工智能专业、数据科学与大数据技术专业、大数据管理与应用专业、大数据技术与应用专业赋能。... 阅469 转1 评0 公众公开 20-05-25 23:41 |
AI |复旦大学邱锡鹏教授：一张图带你梳理深度学习知识脉络。寄语：本文梳理了深度学习知识体系，分为机器学习、神经网络和概率图模型，同时对机器学习算法类型、深度学习原理框架等进行了梳理，帮助大家更好地学习和入手深度学习。概率图模型为机器学习提供了一个更加便捷的描述框架. 其基本概念包括模型表示、学习和推断. 目前深度学习和概率... 阅117 转0 评0 公众公开 20-05-16 16:26 |
深度神经网络降噪取得重大突破 清微智能受邀参加国际语音旗舰会议。语音降噪是最常见的语音应用，但由于噪声产生是随机的，产生的原因和特性也相当复杂，因此只有适宜的语音增强技术才能达到较理想的降噪效果。但目前大多数基于DNN的语音增强方法都是从带噪语音中估计干净语音的频谱，而忽略了嘈杂语音和干净语音之间的相位失配，而且越低信噪... 阅38 转0 评0 公众公开 20-05-16 11:43 |
优秀博士学位论文精华版：零和博弈的事件驱动自适应动态规划方法。事件驱动控制的基本思想就是在保证闭环系统具有一定性能（如稳定）的情况下，通过设计合理的事件驱动条件来减少控制信号的传输，一旦设计的事件驱动条件不成立，对系统信号进行采样并更新控制器，而针对事件驱动条件成立的情况，控制器仍保持上一驱动时刻的值，这样就有效减轻... 阅251 转0 评0 公众公开 20-04-03 13:35 |
